論文の概要: Practical Assessment of Agentic Systems in Acoustics
- arxiv url: http://arxiv.org/abs/2610.39685v1
- Date: Thu, 29 Oct 2026 09:29:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:10.070589
- Title: Practical Assessment of Agentic Systems in Acoustics
- Title（参考訳）: 音響工学におけるエージェントシステムの実際的評価
- Abstract要約: 大きな言語モデルは、情報を探し、ソフトウェアを実行するハーネスの中に置かれる。
本研究は, ハーネスのモデルと要素が2つの一般的な音響的応用において, エージェントの性能と挙動をいかに形成するかを計測する。
- 参考スコア（独自算出の注目度）: 2.0912652052153526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In engineering, applications of artificial intelligence have so far been largely limited to surrogate models and optimization tasks. Large language models changed this, as they can write software from a task given in words. Placed inside a harness, a system of components that lets it search for information and execute software, such a model becomes an agent that can take over recurring engineering tasks. This work measures how the model and the elements of the harness shape the performance and behavior of the agent in two common acoustic applications. In the first, the agent detects and locates faults in audio recordings from a vehicle interior with near-perfect accuracy. A benchmark on this task shows that a weak model sets a limit that no harness design can overcome, and that design choices take effect only once the model is capable enough to use them. In the second, a case study on the design of a metamaterial unit cell, the agent reliably finds designs that achieve a specified insertion loss over a given frequency range. The results aim to help the reader understand what each element of an agent contributes and how to design an agent for acoustic tasks.
- Abstract（参考訳）: 工学において、人工知能の応用は、これまではモデルと最適化タスクの代理に限られてきた。
大きな言語モデルは、言葉で与えられたタスクからソフトウェアを書くことができるため、これを変更した。
ハーネスの中には、情報を探してソフトウェアを実行するコンポーネントのシステムがあり、そのようなモデルは繰り返し発生するエンジニアリングタスクを引き継ぐことができるエージェントとなる。
本研究は, ハーネスのモデルと要素が2つの一般的な音響的応用において, エージェントの性能と挙動をいかに形成するかを計測する。
第一に、エージェントは、車内からのオーディオ記録の欠陥をほぼ完全な精度で検出し、検出する。
このタスクのベンチマークでは、弱いモデルはハーネス設計が克服できない限界を設定し、モデルが十分に使えるようになったときだけ設計選択が効果を発揮することを示している。
第二に、メタマテリアル単位セルの設計に関するケーススタディにおいて、エージェントは所定の周波数範囲で特定の挿入損失を達成する設計を確実に見つける。
その結果, エージェントの各要素がどのような貢献をしているのか, 音響タスクのためのエージェントの設計方法について, 読者の理解を深めることが目的である。
関連論文リスト
- Agents Are Systems, Not Models: Rethinking Agentic Evaluation [80.87068485535677]
エージェントの構成の5つの部分(タスク情報、推論、自己検証、時間予算、バックボーンモデル)について検討する。
結果の約54%は、変更ではなく、同じ構成を繰り返すことによるものです。
ベンチマークと18,000以上のエージェントトラジェクトリをリリースする。
論文 参考訳（メタデータ） (2026-10-01T12:55:07Z) - Guava: An Effective and Universal Harness for Embodied Manipulation [74.34187069605844]
実装された操作能力を4Bオープンソースモデルに蒸留するエンドツーエンドのトレーニングパイプラインを開発した。
結果は、よく設計されたハーネスが、エンボディド操作のためのスケーラブルでモデルに依存しないインターフェースとして機能することを示唆している。
論文 参考訳（メタデータ） (2026-06-16T18:09:26Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - A Lightweight Large Language Model-Based Multi-Agent System for 2D Frame Structural Analysis [21.13581042992661]
大規模言語モデル(LLM)は、工学における自律的エージェントの強化に最近使用されている。
本稿では、2次元フレームの有限要素モデリングを自動化するLLMベースのマルチエージェントシステムを提案する。
このシステムは10回の試行で80%以上の精度を達成し、Gemini-2.5 ProとChatGPT-4oモデルを上回っている。
論文 参考訳（メタデータ） (2025-10-06T22:12:52Z) - Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。
本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
論文 参考訳（メタデータ） (2025-10-02T06:25:10Z) - Factored Agents: Decoupling In-Context Learning and Memorization for Robust Tool Use [4.437184840125514]
本稿ではエージェントAIにおける従来の単一エージェントシステムの限界を克服する新しいファクターエージェントアーキテクチャを提案する。
提案手法はエージェントを,(1)高レベルプランナーおよびインコンテキスト学習者として機能する大規模言語モデル,(2)ツールフォーマットと出力の記憶器として機能する小型言語モデルに分解する。
経験的評価により,本アーキテクチャは,テキスト内学習と静的記憶のトレードオフを解明しつつ,計画精度と誤り回復性を著しく向上することが示された。
論文 参考訳（メタデータ） (2025-03-29T01:27:11Z) - Voice Signal Processing for Machine Learning. The Case of Speaker Isolation [0.0]
本稿では,音声処理タスクの信号分解手法として最もよく用いられるフーリエ変換とウェーブレット変換の比較解析を行う。
展示の詳細なレベルは、特定のMLモデルの分解方法を選択し、微調整し、評価する際に、MLエンジニアが情報的な決定を下すのに十分である。
論文 参考訳（メタデータ） (2024-03-29T14:31:36Z) - Task-Oriented Over-the-Air Computation for Multi-Device Edge AI [57.50247872182593]
エッジAIをサポートするための6Gネットワークは、AIタスクの効率的かつ効率的な実行に焦点を当てたタスク指向のテクニックを備えている。
本稿では,マルチデバイススプリット推論システムにおけるタスク指向オーバー・ザ・エア計算(AirComp)方式を提案する。
論文 参考訳（メタデータ） (2022-11-02T16:35:14Z) - Uni-Perceiver: Pre-training Unified Architecture for Generic Perception
for Zero-shot and Few-shot Tasks [73.63892022944198]
我々はUni-Perceiverという汎用認識アーキテクチャを提案する。
様々なモダリティやタスクを、統一されたモデリングと共有パラメータで処理します。
その結果、チューニングなしで事前学習したモデルは、新しいタスクでも合理的なパフォーマンスを達成できることがわかった。
論文 参考訳（メタデータ） (2021-12-02T18:59:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。